《大數(shù)據(jù)營銷》認(rèn)識大數(shù)據(jù)

大數(shù)據(jù)營銷開篇語

數(shù)據(jù)可以治國，也可以強國。大數(shù)據(jù)是21世紀(jì)的石油和金礦，蘊藏著巨大的商業(yè)價值。

我們的學(xué)習(xí)目標(biāo)——讓大數(shù)據(jù)“變現(xiàn)”為消費者價值和公司價值。

課程目標(biāo)課程目標(biāo)具體內(nèi)容課程目標(biāo)1：具備大數(shù)據(jù)營銷的基本專業(yè)知識，具備大數(shù)據(jù)思維。課程目標(biāo)2：具備大數(shù)據(jù)營銷的操作能力，能夠采集需要的數(shù)據(jù)，并對數(shù)據(jù)進(jìn)行脫敏以及數(shù)據(jù)資產(chǎn)管理，應(yīng)用大數(shù)據(jù)營銷數(shù)據(jù)分析方法分析具體問題，應(yīng)用大數(shù)據(jù)營銷模型進(jìn)行大數(shù)據(jù)挖掘。課程目標(biāo)3：根據(jù)消費者行為的演變，能夠利用大數(shù)據(jù)洞察消費者需求；具備大數(shù)據(jù)驅(qū)動的營銷組合創(chuàng)新能力；能夠綜合運用個性化營銷、精準(zhǔn)營銷、關(guān)聯(lián)營銷的策略。課程目標(biāo)4：具備大數(shù)據(jù)營銷的行業(yè)應(yīng)用能力及大數(shù)據(jù)營銷倫理意識。

課程主要內(nèi)容認(rèn)識大數(shù)據(jù)【學(xué)習(xí)目標(biāo)】知識目標(biāo)能力目標(biāo)1、了解什么是大數(shù)據(jù)。1.掌握大數(shù)據(jù)的含義、特點和分類。2、了解大數(shù)據(jù)的產(chǎn)生與發(fā)展。2.掌握大數(shù)據(jù)發(fā)展的主要方向。3、理解大數(shù)據(jù)的商業(yè)價值。3.能挖掘大數(shù)據(jù)的商業(yè)價值。4、了解大數(shù)據(jù)的支撐技術(shù)。4.掌握大數(shù)據(jù)的技術(shù)架構(gòu)和關(guān)鍵技術(shù)。5、理解大數(shù)據(jù)時代的變革。5.掌握大數(shù)據(jù)時代思維變革和管理變革方向。思維導(dǎo)圖【思考】1.新冠疫情的防控過程中，我國是如何應(yīng)用大數(shù)據(jù)實現(xiàn)智慧戰(zhàn)役的？2.當(dāng)前，大數(shù)據(jù)在我國哪些領(lǐng)域哪些行業(yè)得到了應(yīng)用？第一節(jié)

什么是大數(shù)據(jù)1.大數(shù)據(jù)的含義大數(shù)據(jù)(bigdata)被用來描述和定義信息爆炸時代產(chǎn)生的海量數(shù)據(jù)，并命名與之相關(guān)的技術(shù)發(fā)展與創(chuàng)新。作為IT行業(yè)的熱門概念，已從專業(yè)IT人士和數(shù)據(jù)分析師，擴散到所有關(guān)注科技、互聯(lián)網(wǎng)以及營銷領(lǐng)域的人群及行業(yè)中。大數(shù)據(jù)上過《紐約時報》、《華爾街日報》的專欄封面，進(jìn)入美國白宮官網(wǎng)的新聞，現(xiàn)身在國內(nèi)外一系列互聯(lián)網(wǎng)主題的講座沙龍中，甚至被嗅覺靈敏的證券公司等寫進(jìn)了投資推薦報告。第一節(jié)

什么是大數(shù)據(jù)1.大數(shù)據(jù)的含義?“大數(shù)據(jù)”是未來學(xué)專家阿爾文.托夫勒在《第三次浪潮》（1980）提出的，他指出：“所謂第三次浪潮，即是在農(nóng)業(yè)文明、工業(yè)文明之后的信息社會”，而大數(shù)據(jù)是第三次浪潮的華彩樂章。

★

2011年6月，麥肯錫公司發(fā)布了頗具影響力的大數(shù)據(jù)報告：《大數(shù)據(jù)：創(chuàng)新、競爭和生產(chǎn)力的下一個前沿》，指出了大數(shù)據(jù)將成為競爭的關(guān)鍵基礎(chǔ)，支撐新的生產(chǎn)力增長。第一節(jié)

什么是大數(shù)據(jù)1.大數(shù)據(jù)的含義1Byte=8Bit1KB=1024Bytes1MB=1024KB=1,048,576Bytes1GB=1024MB=1,048,576KB=1,073,741,824Bytes1TB=1024GB=1,048,576MB=1,099,511,627,776Bytes1PB=1024TB=1,048,576GB=1,125,899,906,842,624Bytes1EB=1024PB=1,048,576TB=1,152,921,504,606,846,976Bytes1ZB=1024EB=1,048,576PB=1,180,591,620,717,411,303,424Bytes1YB=1024ZB=1,048,576EB=1,208,925,819,614,629,174,706,176Bytes圖1-1數(shù)據(jù)量級圖第一節(jié)

什么是大數(shù)據(jù)1.大數(shù)據(jù)的含義天眼查數(shù)據(jù)顯示，目前我國數(shù)據(jù)中心相關(guān)企業(yè)超156.7萬家，2022年新增注冊企業(yè)近40.2萬家。廣東、北京、山東三地，數(shù)據(jù)中心相關(guān)企業(yè)數(shù)量位列前三位。從行業(yè)分布來看，信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)相關(guān)企業(yè)位列第一，科學(xué)研究和技術(shù)服務(wù)業(yè)位列第二。從成立時間來看，77.3%的企業(yè)成立于5年之內(nèi)。IDC第一節(jié)

什么是大數(shù)據(jù)1.大數(shù)據(jù)的含義麥肯錫：一種規(guī)模大到在獲取、存儲、管理、分析方面大大超出了傳統(tǒng)數(shù)據(jù)庫軟件工具能力范圍的數(shù)據(jù)集合。維基百科：大數(shù)據(jù)是無法在一定時間內(nèi)用常規(guī)軟件工具對其內(nèi)容進(jìn)行抓取、管理和處理的大量而復(fù)雜的數(shù)據(jù)集合。美國國家標(biāo)準(zhǔn)與技術(shù)研究院（NIST）：大數(shù)據(jù)是數(shù)量大、獲取速度快或形態(tài)多樣化的數(shù)據(jù)，難以用傳統(tǒng)關(guān)系型數(shù)據(jù)分析方法進(jìn)行有效分析，或者需要大規(guī)模的水平擴展才能高效處理。第一節(jié)

什么是大數(shù)據(jù)1.大數(shù)據(jù)的含義我國大數(shù)據(jù)專家涂子沛在《大數(shù)據(jù)》一書中分析了大數(shù)據(jù)的三大成因：一是基于摩爾定律，人類保存數(shù)據(jù)的能力增強；二是基于社交媒體發(fā)展，人類生產(chǎn)數(shù)據(jù)的能力增強；三是基于數(shù)據(jù)挖掘能力，人類使用數(shù)據(jù)的能力增強。第一節(jié)

什么是大數(shù)據(jù)2.大數(shù)據(jù)的特點摩爾定律是計算機IC上可容納的晶體管書目，約()個月便會增加一倍，這一定律是（

）公司董事長戈登.摩爾所提出的。18，IMB16,Microsoft18，Inter16，AppleABCD提交單選題1分第一節(jié)

什么是大數(shù)據(jù)2.大數(shù)據(jù)的特點海量數(shù)據(jù)（Volume）

以應(yīng)用較為廣泛的淘寶網(wǎng)和臉書為例，淘寶網(wǎng)近4億的會員日均產(chǎn)生的商品交易數(shù)據(jù)約20TB，臉書近10億的用戶日均產(chǎn)生的日志數(shù)據(jù)約300TB。第一節(jié)

什么是大數(shù)據(jù)2.大數(shù)據(jù)的特點實時處理（Velocity）大數(shù)據(jù)對數(shù)據(jù)處理速度有著嚴(yán)格的要求，服務(wù)器中大量資源都用于處理和計算數(shù)據(jù)，一些平臺都需要做到實時分析。數(shù)據(jù)源源不斷，誰的數(shù)據(jù)處理速度快，誰就有優(yōu)勢，唯快不破。1981年，一個千兆字節(jié)的內(nèi)存大約需要30萬美元，而今天只需10美分。這使得以實時處理作為價值創(chuàng)新點的商業(yè)應(yīng)用成為可能，而實時或近似實時的信息處理與運用能使一個公司比其競爭對手更加機敏（McAfee，Brynjolfsson，2012）。第一節(jié)

什么是大數(shù)據(jù)2.大數(shù)據(jù)的特點實時處理（Velocity）大數(shù)據(jù)對數(shù)據(jù)處理速度有著嚴(yán)格的要求，服務(wù)器中大量資源都用于處理和計算數(shù)據(jù)，一些平臺都需要做到實時分析。數(shù)據(jù)源源不斷，誰的數(shù)據(jù)處理速度快，誰就有優(yōu)勢，唯快不破。1981年，一個千兆字節(jié)的內(nèi)存大約需要30萬美元，而今天只需10美分。這使得以實時處理作為價值創(chuàng)新點的商業(yè)應(yīng)用成為可能，而實時或近似實時的信息處理與運用能使一個公司比其競爭對手更加機敏（McAfee，Brynjolfsson，2012）。大數(shù)據(jù)處理流程大數(shù)據(jù)處理流程--示例：語音識別、人臉支付等；多來源（Variety）

大數(shù)據(jù)的主要來源企業(yè)系統(tǒng)：客戶關(guān)系管理系統(tǒng)、企業(yè)資源計劃系統(tǒng)、庫存系統(tǒng)、銷售系統(tǒng)等。機器系統(tǒng)：智能儀表、工業(yè)設(shè)備傳感器、智能設(shè)備、視頻監(jiān)控系統(tǒng)等?；ヂ?lián)網(wǎng)系統(tǒng)：電商系統(tǒng)、服務(wù)行業(yè)業(yè)務(wù)系統(tǒng)、政府監(jiān)管系統(tǒng)等。社交系統(tǒng)：微信、QQ、微博、博客、新聞網(wǎng)站、朋友圈等。第一節(jié)

什么是大數(shù)據(jù)2.大數(shù)據(jù)的特點多來源（Variety）

非結(jié)構(gòu)化數(shù)據(jù)是數(shù)據(jù)結(jié)構(gòu)不規(guī)則或不完整，沒有預(yù)定義的數(shù)據(jù)模型，不方便用數(shù)據(jù)庫二維邏輯表來表現(xiàn)的數(shù)據(jù)。包括所有格式的辦公文檔、文本、圖片、XML,HTML、各類報表、圖像和音頻/視頻信息等等。特點：格式多樣、標(biāo)準(zhǔn)多樣；形式：文本、圖形、圖像、音頻、視頻等；處理過程：挖掘、提取、分析、管理、存儲第一節(jié)

什么是大數(shù)據(jù)2.大數(shù)據(jù)的特點數(shù)據(jù)價值密度低（Value）這是大數(shù)據(jù)的核心特征。現(xiàn)實世界所產(chǎn)生的如此龐雜的大數(shù)據(jù)中，有價值的數(shù)據(jù)所占比例很小。相比于傳統(tǒng)的小數(shù)據(jù)，大數(shù)據(jù)的價值在于從大量不相關(guān)的數(shù)據(jù)中，挖掘出對未來趨勢預(yù)測分析有價值的數(shù)據(jù)，通過機器學(xué)習(xí)、人工智能、數(shù)據(jù)挖掘等方法深度分析，從而發(fā)現(xiàn)新規(guī)律和新知識，并應(yīng)用于相應(yīng)的領(lǐng)域，最終達(dá)到提高生產(chǎn)效率、改善社會治理的目的。第一節(jié)

什么是大數(shù)據(jù)2.大數(shù)據(jù)的特點下列關(guān)于大數(shù)據(jù)的特點表述正確的是（

）數(shù)據(jù)容量大數(shù)據(jù)來源多樣化，類型多樣化數(shù)據(jù)能進(jìn)行實時處理數(shù)據(jù)價值密度大ABCD提交多選題3分第一節(jié)

什么是大數(shù)據(jù)2.大數(shù)據(jù)的特點“大數(shù)據(jù)”之“大”，并不僅僅在于其“容量之大”，“大數(shù)據(jù)”之“大”，更多的意義在于：人類可以“分析和使用”的數(shù)據(jù)在大量增加，通過這些數(shù)據(jù)的交換、整合和分析，人類可以發(fā)現(xiàn)新的知識，創(chuàng)造新的價值，帶來“大知識”、“大科技”、“大利潤”和“大發(fā)展”。按數(shù)據(jù)結(jié)構(gòu)劃分：結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化三種3.大數(shù)據(jù)的類型傳統(tǒng)數(shù)據(jù)為主大數(shù)據(jù)為主第一節(jié)

什么是大數(shù)據(jù)示例：結(jié)構(gòu)化數(shù)據(jù)（優(yōu)衣庫銷售數(shù)據(jù)）Store_id門店隨機編號id,無實際意義City門店所在城市Channel門店所產(chǎn)生的銷售渠道，線上表示網(wǎng)上購買到門店自提，線下表示門店直接購買GenderGroup客戶性別男age_group客戶年齡段wkd_ind購買發(fā)生的時間(周末，周中)Product產(chǎn)品類別customer客戶數(shù)量revenue銷售金額Order訂單數(shù)量(一個客人可能多次購買)Quant購買的產(chǎn)品數(shù)量unit_cost產(chǎn)品的成本(包含制造和營銷層面)示例：半結(jié)構(gòu)化數(shù)據(jù)（無印良品京東旗艦店評論）示例：非結(jié)構(gòu)化數(shù)據(jù)（優(yōu)衣庫官網(wǎng)廣告）廣告呈現(xiàn)方式如何刺激消費者產(chǎn)生進(jìn)一步行為？？非結(jié)構(gòu)化數(shù)據(jù)的三大來源：企業(yè)內(nèi)部的經(jīng)營交易信息，物聯(lián)網(wǎng)世界中商品、物流信息，互聯(lián)網(wǎng)世界中人與人之間的交互信息、位置信息等是大數(shù)據(jù)的三個主要來源。具體來看，它們來自網(wǎng)絡(luò)文本、文件、搜索索引、日志、RFID、傳感器網(wǎng)絡(luò)、呼叫記錄、天文地理數(shù)據(jù)、生物基因信息、醫(yī)療記錄、攝影視頻檔案，以及大規(guī)模的電子商務(wù)數(shù)據(jù)等。多元來源的數(shù)據(jù)其大小、格式可能都不相同，其中75%—80%都是非結(jié)構(gòu)化數(shù)據(jù)（例如，視頻、Facebook更新、Twitter消息、互聯(lián)網(wǎng)搜索等），有預(yù)測指出，未來10年，非結(jié)構(gòu)化數(shù)據(jù)量將占全部數(shù)據(jù)量的90%（涂子沛，2012）。無線射頻識別即射頻識別技術(shù)是自動識別技術(shù)的一種，通過無線射頻方式進(jìn)行非接觸雙向數(shù)據(jù)通信，利用無線射頻方式對記錄媒體（電子標(biāo)簽或射頻卡）進(jìn)行讀寫，從而達(dá)到識別目標(biāo)和數(shù)據(jù)交換的目的，其被認(rèn)為是21世紀(jì)最具發(fā)展?jié)摿Φ男畔⒓夹g(shù)之一。企業(yè)管理系統(tǒng)：企業(yè)資源計劃(ERP)是指組織用于管理日常業(yè)務(wù)活動的一套軟件，這些活動包括會計、采購、項目管理、風(fēng)險管理和合規(guī)性、供應(yīng)鏈運營等等?？蛻絷P(guān)系管理系統(tǒng)CRM的主要含義就是通過對客戶詳細(xì)資料的深入分析，來提高客戶滿意程度，從而提高企業(yè)的競爭力的一種手段?？蛻絷P(guān)系是指圍繞客戶生命周期發(fā)生、發(fā)展的信息歸集。3.大數(shù)據(jù)的類型業(yè)務(wù)數(shù)據(jù)：消費者數(shù)據(jù)、客戶關(guān)系數(shù)據(jù)、庫存數(shù)據(jù)、賬目數(shù)據(jù)等；行業(yè)數(shù)據(jù)：車流量數(shù)據(jù)、能耗數(shù)據(jù)、PM2.5數(shù)據(jù)、交通大數(shù)據(jù)等；內(nèi)容數(shù)據(jù)：應(yīng)用日志、電子文檔、機器數(shù)據(jù)、語音數(shù)據(jù)、社交媒體數(shù)據(jù)等；線上行為數(shù)據(jù)：頁面數(shù)據(jù)、交互數(shù)據(jù)、表單數(shù)據(jù)、會話數(shù)據(jù)、反饋數(shù)據(jù)等；線下行為數(shù)據(jù)：車輛位置和軌跡、用戶位置和軌跡、動物位置和軌跡等；第一節(jié)

什么是大數(shù)據(jù)第二節(jié)

大數(shù)據(jù)的產(chǎn)生與發(fā)展1.大數(shù)據(jù)的產(chǎn)生

1980-2008萌芽期

1998大數(shù)據(jù)挑戰(zhàn)2007社交網(wǎng)絡(luò)發(fā)展，數(shù)據(jù)科學(xué)領(lǐng)域迎來新范式——數(shù)據(jù)探索20082005Hadoop項目誕生Nature推出“大數(shù)據(jù)”專欄；美國技術(shù)社區(qū)聯(lián)盟推出基于大數(shù)據(jù)的白皮書。1980BIGDATA首次出現(xiàn)第二節(jié)

大數(shù)據(jù)的產(chǎn)生與發(fā)展2.大數(shù)據(jù)的成長

2009-2012成長期

2013-2015爆發(fā)期

2011麥肯錫關(guān)于大數(shù)據(jù)報告2013中國大數(shù)據(jù)元年；BAT推出大數(shù)據(jù)應(yīng)用20142012維克托.邁克爾.舍恩伯的《大數(shù)據(jù)時代》大數(shù)據(jù)寫入我國《政府工作報告》，上升為

國家戰(zhàn)略。2010《經(jīng)濟學(xué)人》對大數(shù)據(jù)專題報告2015全國首個大數(shù)據(jù)交易所掛牌運營；國務(wù)院發(fā)布《促進(jìn)大數(shù)據(jù)發(fā)展行動綱要》第二節(jié)

大數(shù)據(jù)的產(chǎn)生與發(fā)展2.大數(shù)據(jù)的發(fā)展

第二節(jié)

大數(shù)據(jù)的產(chǎn)生與發(fā)展2.大數(shù)據(jù)的發(fā)展

第二節(jié)

大數(shù)據(jù)的產(chǎn)生與發(fā)展2.大數(shù)據(jù)的成長

2016-快速發(fā)展期

2016增加“數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)”專業(yè)20222021中國大數(shù)據(jù)產(chǎn)業(yè)白皮書2017大數(shù)據(jù)產(chǎn)業(yè)“十三五規(guī)劃”；成立大數(shù)據(jù)局2016出臺我國第一部大數(shù)據(jù)地方法規(guī)；成立首個國家級大數(shù)據(jù)綜合試驗區(qū)第二節(jié)

大數(shù)據(jù)的產(chǎn)生與發(fā)展2.大數(shù)據(jù)的成長

2016-快速發(fā)展期

2016增加“數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)”專業(yè)20222021中國大數(shù)據(jù)產(chǎn)業(yè)白皮書2017大數(shù)據(jù)產(chǎn)業(yè)“十三五規(guī)劃”；成立大數(shù)據(jù)局2016出臺我國第一部大數(shù)據(jù)地方法規(guī)；成立首個國家級大數(shù)據(jù)綜合試驗區(qū)第二節(jié)

大數(shù)據(jù)的產(chǎn)生與發(fā)展2.大數(shù)據(jù)的成長

截至2021年8月，我國大數(shù)據(jù)企業(yè)達(dá)6萬多家。

第二節(jié)

大數(shù)據(jù)的產(chǎn)生與發(fā)展3.大數(shù)據(jù)的應(yīng)用

第一層次：描述性分析應(yīng)用，是指通過大數(shù)據(jù)分析相關(guān)的信息和知識，幫助人們分析發(fā)生了什么，并以可視化形式呈現(xiàn)事物的發(fā)展歷程。如美國的DOMO公司。

第二層次：預(yù)測性分析應(yīng)用，是指通過大數(shù)據(jù)分析事物之間的關(guān)聯(lián)關(guān)系、發(fā)展模式等，并據(jù)此對事物發(fā)展的趨勢進(jìn)行預(yù)測。如，建立預(yù)測模型，對多屆奧斯卡獎項的歸屬進(jìn)行預(yù)測。

第三層次：指導(dǎo)性分析應(yīng)用，是指在前兩個層次的基礎(chǔ)上，分析不同決策將導(dǎo)致的后果，并對決策進(jìn)行指導(dǎo)和優(yōu)化。如，無人駕駛汽車分析高精度地圖數(shù)據(jù)和海量的激光雷達(dá)、攝像頭等傳感器的實時感知數(shù)據(jù)，對車輛不同駕駛行為的后果進(jìn)行預(yù)判，并據(jù)此指導(dǎo)車輛的自動駕駛。

大數(shù)據(jù)的應(yīng)用場景——宏觀場景2.大數(shù)據(jù)的應(yīng)用場景——微觀場景中國大數(shù)據(jù)的元年是（

）。2010年2011年2012年2013年ABCD提交單選題1分下列說法正確的是

（

）。企業(yè)和個人應(yīng)將關(guān)注焦點放在大數(shù)據(jù)的“大”上。企業(yè)和個人應(yīng)將關(guān)注焦點放在大數(shù)據(jù)的商業(yè)價值上。大數(shù)據(jù)源于數(shù)據(jù)生產(chǎn)和收集的能力以及速度的大幅提升。大數(shù)據(jù)發(fā)展已上升為我國的國家戰(zhàn)略。ABCD提交多選題3分第三節(jié)

大數(shù)據(jù)的商業(yè)價值1.數(shù)據(jù)存儲空間出租

大數(shù)據(jù)時代企業(yè)和個人有著海量數(shù)據(jù)的存儲需求，只有將數(shù)據(jù)妥善存儲，才能進(jìn)一步挖掘其潛在價值。在互聯(lián)網(wǎng)免費的模式下，互聯(lián)網(wǎng)公司及各大電信運營商，都為個人用戶提供免費的云存儲空間，從而形成使用黏性，再通過增值服務(wù)收費。思考：當(dāng)數(shù)據(jù)存儲空間耗盡，人類將以何種方式被記住？數(shù)字時代的所有數(shù)據(jù)都無法永久保存。2、數(shù)據(jù)畫像

數(shù)據(jù)畫像包括“人”的畫像、用戶畫像、商品畫像、企業(yè)畫像等。有較大商業(yè)價值的大數(shù)據(jù)一般是關(guān)于“人”或“用戶”的大數(shù)據(jù)。

關(guān)于人的數(shù)據(jù)在時間維度和空間維度上具有較多的數(shù)據(jù)，也就是在一定時間內(nèi)，收集到關(guān)于這個人在多個場景的行為數(shù)據(jù)。比如，通過對這個人的需求或潛在需求做出判斷，從而及時精準(zhǔn)地為他/她提供產(chǎn)品獲服務(wù)，獲得商業(yè)利益。第三節(jié)

大數(shù)據(jù)的商業(yè)價值3、精準(zhǔn)營銷

根據(jù)瞄準(zhǔn)的目標(biāo)市場上的用戶畫像，企業(yè)可以量體裁衣般采取獨特的行動，實現(xiàn)精準(zhǔn)營銷。

比如，大數(shù)據(jù)獲得一個女性的消費數(shù)據(jù)，即性別：女性；年齡：33；星座：巨蟹座；消費偏好：住宅家具、童裝/童鞋；消費偏好的價格區(qū)間：200-800元/件，近期消費總額：725元。依據(jù)以上數(shù)據(jù)，可以對其畫像，并其進(jìn)行童裝、家具類商品的推薦。第三節(jié)

大數(shù)據(jù)的商業(yè)價值精準(zhǔn)營銷案例：隔墻有耳？

2018年11月，上海的孫女士在和同事閑聊時提到想喝CoCo奶茶，在打開餓了么App時，在推薦商家首位看見了CoCo奶茶。讓孫女士疑惑的是，自己之前從未在餓了么買過CoCo奶茶，在她手機后臺，同時打開了淘寶、微信、知乎、微博等多個App，“此前也沒有使用任何手機App搜索過CoCo奶茶的相關(guān)信息?！?/p>

此外，生活中您或您的朋友可能會遇到這樣的場景：在微信里和朋友聊完旅游，一會兒就能看到機票的廣告；在現(xiàn)實生活中和朋友聊會兒家具，手機里一個字沒打，電商平臺里也會有家具的推薦。這不禁讓人費解，難道隔屏有耳，我的手機被監(jiān)聽了？

業(yè)內(nèi)專家表示：科技公司不會笨到用手機麥克風(fēng)的方式來監(jiān)聽你的隱私，似通過麥克風(fēng)“偷聽”是一件吃力不討好的事，企業(yè)不太可能做。大多數(shù)主流app是沒有權(quán)利調(diào)用個人手機麥克風(fēng)權(quán)限的，同時，即使個人手機在安裝app時不小心讓app獲得麥克風(fēng)授權(quán)，從商家角度來說，大量的語音分析效率太低，不能明確獲悉消費者的態(tài)度偏好，在商業(yè)上沒有價值。

那么，app知道我心思是怎么實現(xiàn)的？在消費者需要的時候正巧推薦了消費者所喜歡的東西。

秘密在于大數(shù)據(jù)用戶畫像功能可以讓互聯(lián)網(wǎng)公司輕松猜中你的心思?；ヂ?lián)網(wǎng)公司可以通過消費者的位置信息、使用習(xí)慣、瀏覽記錄分析基本可以分析消費者的年齡、性別、興趣愛好等信息?；ヂ?lián)網(wǎng)公司通過數(shù)據(jù)共享可以勾勒用戶畫像。在網(wǎng)上搜索用戶畫像，就可以找到多家經(jīng)營該業(yè)務(wù)的企業(yè)。一家公司聲稱可以快速找到精準(zhǔn)投放廣告的人群。比如投放汽車類廣告，會考察用戶是否安裝“汽車之家”之類的app、地理位置方面有沒有去過4S店、哪段時間去過駕校、是否拿到駕照，再從中找到幾百萬乃至上千萬符合這些要求的精準(zhǔn)受眾，媒體就可以精準(zhǔn)投放汽車類廣告內(nèi)容。

隔屏有耳？非也！一切都是大數(shù)據(jù)精準(zhǔn)營銷的結(jié)果。4、市場趨勢預(yù)測

大數(shù)據(jù)預(yù)測則是基于大數(shù)據(jù)和預(yù)測模型去預(yù)測未來某件事情的概率。讓分析從“面向已經(jīng)發(fā)生的過去”轉(zhuǎn)向“面向即將發(fā)生的未來”。這是大數(shù)據(jù)與傳統(tǒng)數(shù)據(jù)分析的最大不同。大數(shù)據(jù)預(yù)測的邏輯基礎(chǔ)是：每一種非常規(guī)的變化事前一定有征兆，每一件事情都有跡可循，如果找到了征兆與變化之間的規(guī)律，就可以進(jìn)行預(yù)測。大數(shù)據(jù)預(yù)測無法確定某件事情必然會發(fā)生，它更多是給出一個概率。最常見的應(yīng)用案例是“預(yù)測流感”、“預(yù)測股市”、“預(yù)測消費者行為”。第三節(jié)

大數(shù)據(jù)的商業(yè)價值5、數(shù)據(jù)搜索

隨著大數(shù)據(jù)時代到來，實時性、全范圍搜索的需求越來越強烈。企業(yè)或個人需要能搜索各種社交網(wǎng)絡(luò)、用戶行為數(shù)據(jù)等，并將實時的數(shù)據(jù)處理分析與廣告聯(lián)系起來，實時廣告業(yè)務(wù)和移動廣告的社會服務(wù)蘊含著巨大的商業(yè)價值。第三節(jié)

大數(shù)據(jù)的商業(yè)價值第四節(jié)

大數(shù)據(jù)的支撐技術(shù)1.大數(shù)據(jù)的技術(shù)構(gòu)架2.大數(shù)據(jù)的技術(shù)構(gòu)架（1）數(shù)據(jù)采集技術(shù)采集對象：通過RFID射頻、傳感器、社交網(wǎng)絡(luò)交互、移動互聯(lián)網(wǎng)等產(chǎn)生的結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化的海量數(shù)據(jù)。采集方法：1）離線采集，主要使用ETL工具；2）實時采集，主要使用Kafka/Flume；3）互聯(lián)網(wǎng)采集，主要使用Crawler，DPI等。采集工具：ETL工具（RestCloud、Informatica、Kettle）；Kafka工具第四節(jié)

大數(shù)據(jù)的支撐技術(shù)

2.大數(shù)據(jù)的技術(shù)構(gòu)架（1）數(shù)據(jù)采集技術(shù)采集對象：通過RFID射頻、傳感器、社交網(wǎng)絡(luò)交互、移動互聯(lián)網(wǎng)等產(chǎn)生的結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化的海量數(shù)據(jù)。采集方法：1）離線采集，主要使用ETL工具；2）實時采集，主要使用Kafka/Flume；3）互聯(lián)網(wǎng)采集，主要使用Crawler，DPI等。采集工具：ETL工具（RestCloud、Informatica、Kettle）；Kafka工具第四節(jié)

大數(shù)據(jù)的支撐技術(shù)

2.大數(shù)據(jù)的技術(shù)構(gòu)架（2）數(shù)據(jù)處理技術(shù)

1)Hadoop

Hadoop是以開源形式發(fā)布的一種對大規(guī)模數(shù)據(jù)進(jìn)行分布式處理的技術(shù)，在數(shù)據(jù)處理方面具有高可靠性、高擴展性、高效性、高容錯性。

Hadoop是ApacheSoftwareFoundation公司于2005年開發(fā)，它以MapReduce為基礎(chǔ)，主要包括分布式存儲大容量文件的HDFS（HadoopDistributedFileSystem），分布式處理大量數(shù)據(jù)的HM（HadoopMapReduce），以及超大型數(shù)據(jù)表HBase。第四節(jié)

大數(shù)據(jù)的支撐技術(shù)大數(shù)據(jù)的整體技術(shù)數(shù)據(jù)采集數(shù)據(jù)存取基礎(chǔ)架構(gòu)數(shù)據(jù)處理統(tǒng)計分析數(shù)據(jù)挖掘模型預(yù)測結(jié)果呈現(xiàn)大數(shù)據(jù)的關(guān)鍵技術(shù)大數(shù)據(jù)采集大數(shù)據(jù)預(yù)處理大數(shù)據(jù)存儲及管理大數(shù)據(jù)安全技術(shù)大數(shù)據(jù)分析與挖掘大數(shù)據(jù)展現(xiàn)與應(yīng)用ETL工具是數(shù)據(jù)的（

）。提取、轉(zhuǎn)換、裝載提取、裝載、轉(zhuǎn)換轉(zhuǎn)換、提取、裝載轉(zhuǎn)換、裝載、提取ABCD提交單選題1分在大數(shù)據(jù)的系統(tǒng)架構(gòu)中，關(guān)鍵技術(shù)包括（

）。大數(shù)據(jù)采集技術(shù)大數(shù)據(jù)存儲技術(shù)大數(shù)據(jù)處理技術(shù)大數(shù)據(jù)展現(xiàn)技術(shù)ABCD提交多選題3分1、大數(shù)據(jù)時代的思維變革數(shù)據(jù)分析思維從隨機抽樣轉(zhuǎn)變?yōu)椤皹颖?總體”的全數(shù)據(jù)模式數(shù)據(jù)分析思維強調(diào)數(shù)據(jù)的完整性，包容數(shù)據(jù)的混雜性，不再一味追求小數(shù)據(jù)的精確性。數(shù)據(jù)分析思維由熱衷尋找因果關(guān)系轉(zhuǎn)變?yōu)殛P(guān)注相關(guān)關(guān)系。第五節(jié)

大數(shù)據(jù)的時代變革1、大數(shù)據(jù)時代的思維變革數(shù)據(jù)分析思維從隨機抽樣轉(zhuǎn)變?yōu)椤皹颖?總體”的全數(shù)據(jù)模式數(shù)據(jù)分析思維強調(diào)數(shù)據(jù)的完整性，包容數(shù)據(jù)的混雜性，不再一味追求小數(shù)據(jù)的精確性。數(shù)據(jù)分析思維由熱衷尋找因果關(guān)系轉(zhuǎn)變?yōu)殛P(guān)注相關(guān)關(guān)系。第五節(jié)

大數(shù)據(jù)的時代變革不是隨機樣本，而是全體數(shù)據(jù)在大數(shù)據(jù)時代，我們可以分析更多的數(shù)據(jù)，有時候甚至可以處理和某個特別現(xiàn)象相關(guān)的所有數(shù)據(jù)，而不再依賴于隨機采樣。以前我們通常把隨機采樣看成是理所應(yīng)當(dāng)?shù)南拗?，但是真正的大?shù)據(jù)時代是指不用隨機分析法這樣的捷徑，而采用對所有數(shù)據(jù)進(jìn)行分析的方法，通過觀察所有數(shù)據(jù)，來尋找異常值進(jìn)行分析。例如，信用卡詐騙是通過異常情況來識別的，只有掌握了所有數(shù)據(jù)才能做到這一點。在這種情況下，異常值是最有用的信息，可以把它與正常交易情況作對比從而發(fā)現(xiàn)問題。不是純凈性，而是混雜性數(shù)據(jù)量的大幅增加會造成一些錯誤的數(shù)據(jù)混進(jìn)數(shù)據(jù)集。但是，正因為我們掌握了幾乎所有的數(shù)據(jù)，所以我們不再擔(dān)心某個數(shù)據(jù)點對整套分析的不利影響。我們要做的就是要接受這些紛繁的數(shù)據(jù)并從中受益，而不是以高昂的代價消除所有的不確定性。這就是由“小數(shù)據(jù)”到“大數(shù)據(jù)”的改變。不是精確性，而是趨勢研究數(shù)據(jù)如此之多，以至于我們不再熱衷于追求精確度。之前需要分析的數(shù)據(jù)很少，所以我們必須盡可能精確地量化我們的記錄，但隨著規(guī)模的擴大，對精確度的癡迷將減弱。擁有了大數(shù)據(jù)，我們不再需要對一個現(xiàn)象刨根問底，只要掌握了大體的發(fā)展方向即可，適當(dāng)忽略微觀層面上的精確度，會讓我們在宏觀層面擁有更好的洞察力。例如，微信朋友圈中朋友發(fā)動態(tài)的時間，在一小時以內(nèi)的會顯示多少分鐘之前，在一小時以外的就只顯示幾小時前；微信公眾號中顯示的閱讀量，超過十萬以后顯示的就是100000+，而不是具體數(shù)據(jù)，因為超過十萬的閱讀量已經(jīng)讓我們覺得這篇文章很優(yōu)秀了，沒必要精確。不是因果關(guān)系，而是相關(guān)關(guān)系在大數(shù)據(jù)時代，人們開始重視相關(guān)分析，而不僅僅是因果分析，我們不必非得知道現(xiàn)象背后的原因，而是要讓數(shù)據(jù)自己發(fā)聲。相關(guān)關(guān)系的核心是量化兩個數(shù)據(jù)值之間的數(shù)據(jù)關(guān)系。相關(guān)關(guān)系強是指當(dāng)一個數(shù)據(jù)值增加時，其他數(shù)據(jù)值很有可能也會隨之增加。